¿Cómo puede un vehículo autónomo anticipar el movimiento de peatones, ciclistas o usuarios de patinetes para circular con seguridad en entornos urbanos? En este nuevo vídeo de la serie Investigadores IMECH.UMA, Jesús Morales, del Grupo de Robótica y Mecatrónica, presenta los principales resultados del proyecto PREMOVE, dedicado al desarrollo de sistemas inteligentes de percepción y predicción del movimiento para la conducción autónoma.
- Objetivo: mejorar la seguridad del vehículo autónomo mediante la detección y predicción del movimiento de peatones, ciclistas y otros usuarios vulnerables.
- Tecnología: inteligencia artificial, fusión sensorial, cámaras RGB y térmicas, LiDAR 3D y posicionamiento GNSS-RTK.
- Validación: ensayos reales en el Campus de Teatinos con una plataforma sensorial multimodal integrada en un vehículo eléctrico.
- Más información: Web oficial del proyecto PREMOVE.
La integración segura de los vehículos autónomos en las ciudades constituye uno de los grandes desafíos de la movilidad inteligente. En calles donde conviven peatones, ciclistas, patinadores y vehículos motorizados, los sistemas de percepción deben ser capaces no solo de detectar a cada usuario, sino también de anticipar su movimiento para prevenir situaciones de riesgo.
Con este objetivo nació PREMOVE (Predicción del Movimiento de los Participantes del Tráfico para la Integración Segura del Vehículo Autónomo en Áreas Urbanas), un Proyecto de Excelencia financiado por la Junta de Andalucía y liderado por el investigador del IMECH.UMA Jesús Morales, con Jorge L. Martínez como co-investigador principal.
En el vídeo, Jesús Morales explica cómo el equipo ha desarrollado una plataforma sensorial multimodal instalada sobre un vehículo experimental, capaz de integrar información procedente de cámaras RGB estereoscópicas, cámaras térmicas, sensores LiDAR 3D y receptores GNSS. Los datos son procesados en tiempo real mediante dos computadores embarcados que fusionan la información utilizando técnicas avanzadas de inteligencia artificial.
Uno de los aspectos más innovadores del proyecto ha sido la estrategia seguida para entrenar las redes neuronales. En una primera fase se emplearon datos sintéticos, generados en simulación y etiquetados automáticamente, lo que permitió acelerar el proceso de aprendizaje. Posteriormente, el sistema fue refinado mediante un ajuste fino con datos reales etiquetados manualmente, mejorando su capacidad para desenvolverse en situaciones reales de circulación.
La plataforma sensorial multimodal desarrollada en PREMOVE se validó en un entorno urbano controlado tras su integración en un vehículo eléctrico. Para disponer de una referencia precisa (ground truth), los participantes que actuaban como peatones, ciclistas y usuarios de vehículos de movilidad personal portaban un casco instrumentado con un teléfono móvil, sensores inerciales y un receptor GNSS-RTK, capaz de determinar su posición con precisión centimétrica. Esta instrumentación permitió comparar las trayectorias reales con las estimadas por los algoritmos del vehículo y evaluar objetivamente su rendimiento.
Además de los desarrollos tecnológicos, PREMOVE ha generado recursos abiertos para la comunidad investigadora, entre ellos un dataset multimodal con datos sincronizados de cámaras y LiDAR obtenidos en entornos urbanos reales, así como diversas herramientas software que facilitan nuevas investigaciones en percepción para vehículos autónomos.
Las imágenes del vídeo muestran tanto el funcionamiento del vehículo durante los ensayos como la información procesada por los algoritmos desarrollados, ofreciendo una visión de conjunto de un proyecto que combina robótica, visión artificial e inteligencia artificial para avanzar hacia una movilidad autónoma más segura.
Esta publicación forma parte de la serie de vídeos Investigadores IMECH.UMA, en la que nuestros investigadores presentan, en primera persona, algunas de las líneas de trabajo y proyectos que desarrollan en el instituto.
👉 Descubre todos los vídeos de la serie:
https://www.imech-uma.es/category/videos/
▶ Todos los vídeos están disponibles en el canal de YouTube del IMECH.UMA:
https://www.youtube.com/@IMECHUMA